Qwen2.5 72B Instruct는 Qwen의 범용 Qwen2.5 시리즈에 속하는 대형 지시 튜닝 텍스트 모델입니다. 지시와 대화로부터 글로 된 답변, 코드, 구조화된 텍스트를 생성합니다. 일반 지식, 코딩, 수학, 상세한 지시 따르기, 표 작업 등 다양한 기능을 갖습니다. Qwen2.5 기본 체크포인트 및 별도의 Coder, Math, 비전 언어 에디션과는 구분됩니다.
이 모델은 총 727억 개의 매개변수를 가진 밀집형 디코더 전용 Transformer이며, 이 중 비임베딩 매개변수는 700억 개입니다. 공개된 아키텍처는 80개 레이어와 그룹 쿼리 어텐션을 사용하며, 쿼리 헤드 64개와 키/값 헤드 8개, 회전 위치 임베딩, SwiGLU, RMSNorm을 포함합니다. 시리즈의 사전 학습 데이터는 최대 18조 토큰에 이르며, 이후 지시 기반 사용을 위한 사후 학습을 거칩니다.
해당 모델의 정확한 카드는 전체 컨텍스트 131,072토큰과 최대 8,192토큰 생성을 명시합니다. 공개된 설정은 32,768개 위치에서 시작하며, 확장 컨텍스트를 사용하려면 제작사의 길이 스케일링 설정이 필요합니다. 카드는 정적 스케일링이 짧은 텍스트의 성능에 영향을 줄 수 있다고 주의하며, 긴 입력이 필요할 때 활성화할 것을 권장합니다. 이 수치는 모델의 전체 기능과 특정 배포에서 사용되는 체크포인트의 기본 설정을 구분합니다.
긴 문서 작업에서는 검토할 섹션과 반환할 결과물을 지정하세요. 비교, 개요, 요약, 추출한 사실 목록 등을 요청할 수 있습니다. 지시, 원본 텍스트, 요청한 답변을 사용 가능한 컨텍스트 안에 맞추세요. 긴 보고서에는 섹션 계획과 명확한 우선순위가 도움이 됩니다. 출력이 과제와 무관한 도입부에 생성 길이를 쓰지 않고 요청한 작업을 따르도록 할 수 있습니다.
구조화된 데이터 이해와 JSON 생성은 이 릴리스의 주요 기능입니다. 변환을 요청하기 전에 표의 머리글, 단위, 누락된 값의 처리 규칙을 제공하세요. 추출 작업에서는 출력 필드를 정의하고 원본에 명시된 값과 없는 정보를 구분하도록 요청하세요. 이후 애플리케이션은 결과를 파싱하고 예상 구조와 대조해 확인할 수 있습니다. JSON을 생성한다고 해서 특정 스키마가 그 자체로 보장된 출력 계약이 되는 것은 아닙니다.
Qwen은 대화 템플릿과 호환되는 애플리케이션 통합을 통한 도구 호출 지원을 문서화합니다. 함수 설명과 각 함수에 필요한 정보를 제공하세요. 모델은 호출안을 준비하고, 애플리케이션은 이를 실행한 뒤 다음 턴을 위해 결과를 제공합니다. 유용한 데이터 작업은 레코드를 조회하고 사용자의 질문과 비교한 후 조회한 필드에 연결된 간결한 설명을 반환할 수 있습니다. 실행과 외부 시스템 접근은 모델을 사용하는 애플리케이션이 제공합니다.
제작사는 중국어, 영어, 프랑스어, 스페인어, 포르투갈어, 독일어, 이탈리아어, 러시아어, 일본어, 한국어, 베트남어, 태국어, 아랍어 등 29개가 넘는 언어를 지원한다고 설명합니다. 시스템 프롬프트의 유연성은 챗봇의 역할과 조건을 설정하는 데도 도움이 됩니다. 코드나 수학 작업에서는 관련 구현이나 전제를 제공하고, 답변과 함께 이를 평가하는 데 필요한 검증이나 중간 단계를 요청하세요. 다국어 출력에서는 대상 언어와 유지할 용어를 지정해 원하는 독자에게 맞는 결과를 얻으세요.
", "aboutText": "Qwen2.5 72B Instruct는 Qwen의 범용 Qwen2.5 시리즈에 속하는 대형 지시 튜닝 텍스트 모델입니다. 지시와 대화로부터 글로 된 답변, 코드, 구조화된 텍스트를 생성합니다. 일반 지식, 코딩, 수학, 상세한 지시 따르기, 표 작업 등 다양한 기능을 갖습니다. Qwen2.5 기본 체크포인트 및 별도의 Coder, Math, 비전 언어 에디션과는 구분됩니다.\n\n이 모델은 총 727억 개의 매개변수를 가진 밀집형 디코더 전용 Transformer이며, 이 중 비임베딩 매개변수는 700억 개입니다. 공개된 아키텍처는 80개 레이어와 그룹 쿼리 어텐션을 사용하며, 쿼리 헤드 64개와 키/값 헤드 8개, 회전 위치 임베딩, SwiGLU, RMSNorm을 포함합니다. 시리즈의 사전 학습 데이터는 최대 18조 토큰에 이르며, 이후 지시 기반 사용을 위한 사후 학습을 거칩니다.\n\n해당 모델의 정확한 카드는 전체 컨텍스트 131,072토큰과 최대 8,192토큰 생성을 명시합니다. 공개된 설정은 32,768개 위치에서 시작하며, 확장 컨텍스트를 사용하려면 제작사의 길이 스케일링 설정이 필요합니다. 카드는 정적 스케일링이 짧은 텍스트의 성능에 영향을 줄 수 있다고 주의하며, 긴 입력이 필요할 때 활성화할 것을 권장합니다. 이 수치는 모델의 전체 기능과 특정 배포에서 사용되는 체크포인트의 기본 설정을 구분합니다.\n\n긴 문서 작업에서는 검토할 섹션과 반환할 결과물을 지정하세요. 비교, 개요, 요약, 추출한 사실 목록 등을 요청할 수 있습니다. 지시, 원본 텍스트, 요청한 답변을 사용 가능한 컨텍스트 안에 맞추세요. 긴 보고서에는 섹션 계획과 명확한 우선순위가 도움이 됩니다. 출력이 과제와 무관한 도입부에 생성 길이를 쓰지 않고 요청한 작업을 따르도록 할 수 있습니다.\n\n구조화된 데이터 이해와 JSON 생성은 이 릴리스의 주요 기능입니다. 변환을 요청하기 전에 표의 머리글, 단위, 누락된 값의 처리 규칙을 제공하세요. 추출 작업에서는 출력 필드를 정의하고 원본에 명시된 값과 없는 정보를 구분하도록 요청하세요. 이후 애플리케이션은 결과를 파싱하고 예상 구조와 대조해 확인할 수 있습니다. JSON을 생성한다고 해서 특정 스키마가 그 자체로 보장된 출력 계약이 되는 것은 아닙니다.\n\nQwen은 대화 템플릿과 호환되는 애플리케이션 통합을 통한 도구 호출 지원을 문서화합니다. 함수 설명과 각 함수에 필요한 정보를 제공하세요. 모델은 호출안을 준비하고, 애플리케이션은 이를 실행한 뒤 다음 턴을 위해 결과를 제공합니다. 유용한 데이터 작업은 레코드를 조회하고 사용자의 질문과 비교한 후 조회한 필드에 연결된 간결한 설명을 반환할 수 있습니다. 실행과 외부 시스템 접근은 모델을 사용하는 애플리케이션이 제공합니다.\n\n제작사는 중국어, 영어, 프랑스어, 스페인어, 포르투갈어, 독일어, 이탈리아어, 러시아어, 일본어, 한국어, 베트남어, 태국어, 아랍어 등 29개가 넘는 언어를 지원한다고 설명합니다. 시스템 프롬프트의 유연성은 챗봇의 역할과 조건을 설정하는 데도 도움이 됩니다. 코드나 수학 작업에서는 관련 구현이나 전제를 제공하고, 답변과 함께 이를 평가하는 데 필요한 검증이나 중간 단계를 요청하세요. 다국어 출력에서는 대상 언어와 유지할 용어를 지정해 원하는 독자에게 맞는 결과를 얻으세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Transform a small stock table\n\nTransform this table into a compact requested JSON array. Columns: sku, units, unit. Rows: A7 | 12 | boxes; B3 | blank | pieces; C9 | 0 | boxes. Preserve SKU spelling and units, convert stated counts to integers, and use null for a blank count. Return the array only; do not calculate totals across different units.A three-object JSON-shaped array retaining sku, units and unit with numeric counts or null.The blank count remains null, zero remains 0, and boxes are not added to pieces.qwen/qwen-2.5-72b-instructQwen2.5 72B Instruct는 다국어 대화, 코드, 수학, 구조화된 데이터를 위한 Qwen의 밀집형 지시 튜닝 텍스트 모델입니다. 제작사는 131,072토큰의 확장 컨텍스트, 8,192토큰 생성, 도구 호출 템플릿을 문서에 명시합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen2.5 72B Instruct는 Qwen의 범용 Qwen2.5 시리즈에 속하는 대형 지시 튜닝 텍스트 모델입니다. 지시와 대화로부터 글로 된 답변, 코드, 구조화된 텍스트를 생성합니다. 일반 지식, 코딩, 수학, 상세한 지시 따르기, 표 작업 등 다양한 기능을 갖습니다. Qwen2.5 기본 체크포인트 및 별도의 Coder, Math, 비전 언어 에디션과는 구분됩니다.
이 모델은 총 727억 개의 매개변수를 가진 밀집형 디코더 전용 Transformer이며, 이 중 비임베딩 매개변수는 700억 개입니다. 공개된 아키텍처는 80개 레이어와 그룹 쿼리 어텐션을 사용하며, 쿼리 헤드 64개와 키/값 헤드 8개, 회전 위치 임베딩, SwiGLU, RMSNorm을 포함합니다. 시리즈의 사전 학습 데이터는 최대 18조 토큰에 이르며, 이후 지시 기반 사용을 위한 사후 학습을 거칩니다.
해당 모델의 정확한 카드는 전체 컨텍스트 131,072토큰과 최대 8,192토큰 생성을 명시합니다. 공개된 설정은 32,768개 위치에서 시작하며, 확장 컨텍스트를 사용하려면 제작사의 길이 스케일링 설정이 필요합니다. 카드는 정적 스케일링이 짧은 텍스트의 성능에 영향을 줄 수 있다고 주의하며, 긴 입력이 필요할 때 활성화할 것을 권장합니다. 이 수치는 모델의 전체 기능과 특정 배포에서 사용되는 체크포인트의 기본 설정을 구분합니다.
긴 문서 작업에서는 검토할 섹션과 반환할 결과물을 지정하세요. 비교, 개요, 요약, 추출한 사실 목록 등을 요청할 수 있습니다. 지시, 원본 텍스트, 요청한 답변을 사용 가능한 컨텍스트 안에 맞추세요. 긴 보고서에는 섹션 계획과 명확한 우선순위가 도움이 됩니다. 출력이 과제와 무관한 도입부에 생성 길이를 쓰지 않고 요청한 작업을 따르도록 할 수 있습니다.
구조화된 데이터 이해와 JSON 생성은 이 릴리스의 주요 기능입니다. 변환을 요청하기 전에 표의 머리글, 단위, 누락된 값의 처리 규칙을 제공하세요. 추출 작업에서는 출력 필드를 정의하고 원본에 명시된 값과 없는 정보를 구분하도록 요청하세요. 이후 애플리케이션은 결과를 파싱하고 예상 구조와 대조해 확인할 수 있습니다. JSON을 생성한다고 해서 특정 스키마가 그 자체로 보장된 출력 계약이 되는 것은 아닙니다.
Qwen은 대화 템플릿과 호환되는 애플리케이션 통합을 통한 도구 호출 지원을 문서화합니다. 함수 설명과 각 함수에 필요한 정보를 제공하세요. 모델은 호출안을 준비하고, 애플리케이션은 이를 실행한 뒤 다음 턴을 위해 결과를 제공합니다. 유용한 데이터 작업은 레코드를 조회하고 사용자의 질문과 비교한 후 조회한 필드에 연결된 간결한 설명을 반환할 수 있습니다. 실행과 외부 시스템 접근은 모델을 사용하는 애플리케이션이 제공합니다.
제작사는 중국어, 영어, 프랑스어, 스페인어, 포르투갈어, 독일어, 이탈리아어, 러시아어, 일본어, 한국어, 베트남어, 태국어, 아랍어 등 29개가 넘는 언어를 지원한다고 설명합니다. 시스템 프롬프트의 유연성은 챗봇의 역할과 조건을 설정하는 데도 도움이 됩니다. 코드나 수학 작업에서는 관련 구현이나 전제를 제공하고, 답변과 함께 이를 평가하는 데 필요한 검증이나 중간 단계를 요청하세요. 다국어 출력에서는 대상 언어와 유지할 용어를 지정해 원하는 독자에게 맞는 결과를 얻으세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen-2.5-72b-instruct | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00118 / 1K 토큰 출력 · 출력 토큰 $0.00118 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00118 / 1K 토큰 출력 · 출력 토큰 $0.00118 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen-2.5-72b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen-2.5-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen-2.5-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra qwen/qwen-2.5-72b-instruct
위에 표시된 메서드 경로를 사용하세요.
qwen/qwen-2.5-72b-instructQwen2.5 72B Instruct는 다국어 대화, 코드, 수학, 구조화된 데이터를 위한 Qwen의 밀집형 지시 튜닝 텍스트 모델입니다. 제작사는 131,072토큰의 확장 컨텍스트, 8,192토큰 생성, 도구 호출 템플릿을 문서에 명시합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen2.5 72B Instruct는 Qwen의 범용 Qwen2.5 시리즈에 속하는 대형 지시 튜닝 텍스트 모델입니다. 지시와 대화로부터 글로 된 답변, 코드, 구조화된 텍스트를 생성합니다. 일반 지식, 코딩, 수학, 상세한 지시 따르기, 표 작업 등 다양한 기능을 갖습니다. Qwen2.5 기본 체크포인트 및 별도의 Coder, Math, 비전 언어 에디션과는 구분됩니다.
이 모델은 총 727억 개의 매개변수를 가진 밀집형 디코더 전용 Transformer이며, 이 중 비임베딩 매개변수는 700억 개입니다. 공개된 아키텍처는 80개 레이어와 그룹 쿼리 어텐션을 사용하며, 쿼리 헤드 64개와 키/값 헤드 8개, 회전 위치 임베딩, SwiGLU, RMSNorm을 포함합니다. 시리즈의 사전 학습 데이터는 최대 18조 토큰에 이르며, 이후 지시 기반 사용을 위한 사후 학습을 거칩니다.
해당 모델의 정확한 카드는 전체 컨텍스트 131,072토큰과 최대 8,192토큰 생성을 명시합니다. 공개된 설정은 32,768개 위치에서 시작하며, 확장 컨텍스트를 사용하려면 제작사의 길이 스케일링 설정이 필요합니다. 카드는 정적 스케일링이 짧은 텍스트의 성능에 영향을 줄 수 있다고 주의하며, 긴 입력이 필요할 때 활성화할 것을 권장합니다. 이 수치는 모델의 전체 기능과 특정 배포에서 사용되는 체크포인트의 기본 설정을 구분합니다.
긴 문서 작업에서는 검토할 섹션과 반환할 결과물을 지정하세요. 비교, 개요, 요약, 추출한 사실 목록 등을 요청할 수 있습니다. 지시, 원본 텍스트, 요청한 답변을 사용 가능한 컨텍스트 안에 맞추세요. 긴 보고서에는 섹션 계획과 명확한 우선순위가 도움이 됩니다. 출력이 과제와 무관한 도입부에 생성 길이를 쓰지 않고 요청한 작업을 따르도록 할 수 있습니다.
구조화된 데이터 이해와 JSON 생성은 이 릴리스의 주요 기능입니다. 변환을 요청하기 전에 표의 머리글, 단위, 누락된 값의 처리 규칙을 제공하세요. 추출 작업에서는 출력 필드를 정의하고 원본에 명시된 값과 없는 정보를 구분하도록 요청하세요. 이후 애플리케이션은 결과를 파싱하고 예상 구조와 대조해 확인할 수 있습니다. JSON을 생성한다고 해서 특정 스키마가 그 자체로 보장된 출력 계약이 되는 것은 아닙니다.
Qwen은 대화 템플릿과 호환되는 애플리케이션 통합을 통한 도구 호출 지원을 문서화합니다. 함수 설명과 각 함수에 필요한 정보를 제공하세요. 모델은 호출안을 준비하고, 애플리케이션은 이를 실행한 뒤 다음 턴을 위해 결과를 제공합니다. 유용한 데이터 작업은 레코드를 조회하고 사용자의 질문과 비교한 후 조회한 필드에 연결된 간결한 설명을 반환할 수 있습니다. 실행과 외부 시스템 접근은 모델을 사용하는 애플리케이션이 제공합니다.
제작사는 중국어, 영어, 프랑스어, 스페인어, 포르투갈어, 독일어, 이탈리아어, 러시아어, 일본어, 한국어, 베트남어, 태국어, 아랍어 등 29개가 넘는 언어를 지원한다고 설명합니다. 시스템 프롬프트의 유연성은 챗봇의 역할과 조건을 설정하는 데도 도움이 됩니다. 코드나 수학 작업에서는 관련 구현이나 전제를 제공하고, 답변과 함께 이를 평가하는 데 필요한 검증이나 중간 단계를 요청하세요. 다국어 출력에서는 대상 언어와 유지할 용어를 지정해 원하는 독자에게 맞는 결과를 얻으세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen-2.5-72b-instruct | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00118 / 1K 토큰 출력 · 출력 토큰 $0.00118 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00118 / 1K 토큰 출력 · 출력 토큰 $0.00118 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen/qwen-2.5-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen-2.5-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen-2.5-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra qwen/qwen-2.5-72b-instruct
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Transform a small stock table\n\nTransform this table into a compact requested JSON array. Columns: sku, units, unit. Rows: A7 | 12 | boxes; B3 | blank | pieces; C9 | 0 | boxes. Preserve SKU spelling and units, convert stated counts to integers, and use null for a blank count. Return the array only; do not calculate totals across different units.A three-object JSON-shaped array retaining sku, units and unit with numeric counts or null.The blank count remains null, zero remains 0, and boxes are not added to pieces.